Implementación Multi-FPGA de modelos computacionales cerebrales biológicamente precisos de óptimo costo computacional

Pese a los gigantescos avances en el conocimiento neurocientífico en las últimas décadas sobre el cerebro humano, este sigue siendo un órgano que oculta múltiples misterios. Recientemente se ha buscado expandir el conocimiento de dicho órgano bajo el modelo de redes neuronales biológicamente precisas, que permitan realizar estudios masivos sobre su comportamiento, sin necesidad de la experimentación in-vivo.

El gran problema de estos modelos es su excesivo costo computacional, que obliga a la búsqueda de alternativas de procesamiento masivo.

Una vía alternativa es la de optimizar dichos modelos sin perder la precisión buscada. Ello significa evaluar alternativas no necesariamente basadas en los modelos computacionales tradicionales de optimización, tal como el uso de técnicas heurísticas para la toma de decisiones, desarrollar sistemas de tecnologías mixtas (analógico-digitales) o el uso de representaciones numéricas alternativas con las cuales reducir los costos computacionales.

Una primera aproximación al problema, partirá de la implementación de algunos de los modelos más prometedores actuales en una red masiva basada en FPGAs para obtener rápidamente un piso de comparación entre el estado del arte actual validado y los futuros aportes que se pudieran derivar de esta investigación.

Proyecto de grado para el Doctorado Académico en Ingenieria TEC-UCR.